| 摘要 | 第4-5页 |
| ABSTRACT | 第5页 |
| 第一章 绪论 | 第8-13页 |
| 1.1 课题研究背景和意义 | 第8页 |
| 1.2 机动目标跟踪研究现状 | 第8-11页 |
| 1.2.1 机动目标跟踪模型的研究现状 | 第9-10页 |
| 1.2.2 机动目标跟踪滤波算法的研究现状 | 第10-11页 |
| 1.3 机动目标跟踪技术的应用领域 | 第11-12页 |
| 1.4 本论文的主要研究工作 | 第12-13页 |
| 第二章 机动目标跟踪模型研究 | 第13-30页 |
| 2.1 机动目标跟踪基本原理 | 第13-14页 |
| 2.2 机动目标跟踪模型 | 第14-23页 |
| 2.2.1 匀速(CV)模型 | 第15-16页 |
| 2.2.2 匀加速(CA)模型 | 第16-17页 |
| 2.2.3 Singer模型 | 第17-19页 |
| 2.2.4“当前”统计(CS)模型 | 第19-20页 |
| 2.2.5 转弯(CT)模型 | 第20-21页 |
| 2.2.6 交互式(IMM)多模型算法 | 第21-23页 |
| 2.3 仿真及结果分析 | 第23-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 机动目标跟踪滤波算法研究 | 第30-41页 |
| 3.1 卡尔曼滤波算法 | 第30-33页 |
| 3.2 扩展卡尔曼滤波算法(EKF) | 第33-35页 |
| 3.3 无迹卡尔曼滤波算法(UKF) | 第35-38页 |
| 3.4 仿真及结果分析 | 第38-40页 |
| 3.5 本章小结 | 第40-41页 |
| 第四章 基于机动目标跟踪模型的自适应滤波算法 | 第41-62页 |
| 4.1 一种基于“当前”统计模型的自适应滤波算法 | 第41-49页 |
| 4.1.1“当前”统计模型滤波算法分析 | 第42-44页 |
| 4.1.2“当前”统计模型中参数的模糊自适应调整 | 第44-47页 |
| 4.1.3 引入强跟踪滤波算法 | 第47-49页 |
| 4.2 一种基于交互式多模型的自适应滤波算法 | 第49-55页 |
| 4.2.1 基于交互式多模型的无迹卡尔曼滤波算法(IMMUKF) | 第50-53页 |
| 4.2.2 交互式多模型算法中参数自适应调整 | 第53-55页 |
| 4.3 仿真及结果分析 | 第55-61页 |
| 4.4 本章小结 | 第61-62页 |
| 第五章 总结与展望 | 第62-63页 |
| 5.1 本文总结 | 第62页 |
| 5.2 研究展望 | 第62-63页 |
| 参考文献 | 第63-66页 |
| 研究生期间研究成果及参与项目 | 第66-67页 |
| 致谢 | 第67页 |